Histogram
SinksEl bloque Histogram acumula muestras de señales continuas o discretas a lo largo de la simulación y representa su densidad de probabilidad empírica o distribución de frecuencias en forma de gráfico de barras interactivo. Los datos entrantes se clasifican en intervalos discretos (bins) que abarcan un rango definido por el usuario o detectado automáticamente. Constituye una herramienta analítica imprescindible para la evaluación de procesos estocásticos, caracterización del ruido de sensores, análisis de tolerancia en simulaciones de Monte Carlo y comprobación de propiedades estadísticas gaussianas o uniformes.
Modelo Matemático
Dada una secuencia de muestras escalares registradas en el intervalo de simulación , el rango se divide en intervalos contiguos:
donde el ancho de intervalo se determina según binMode:
El conteo de frecuencias para cada clase se evalúa como:
donde es la función indicatriz. La estimación normalizada de densidad de probabilidad empírica para el intervalo es:
Cuando rangeMode = "auto", y se expanden dinámicamente para abarcar todas las muestras observadas. Cuando rangeMode = "manual", las muestras fuera de se contabilizan en los intervalos de los extremos.
Entradas y Salidas
| Direction | ID | Label | Tipo | Status |
|---|---|---|---|---|
| → In | in |
Input | array | Required |
Parámetros
| Parámetros | Label | Tipo | Por defecto | Descripción |
|---|---|---|---|---|
rangeMode |
Range | select | auto |
Auto fits the axis to the data; Manual uses the Min/Max below. |
minValue |
Min Value | number | -5 |
Lower bound (Manual range only). |
maxValue |
Max Value | number | 5 |
Upper bound (Manual range only). |
binMode |
Binning | select | count |
How bins are sized: a fixed number, a fixed step width, or auto. |
bins |
Bin count | number | 20 |
Number of bins (Bin count mode). |
binWidth |
Bin width | number | 1 |
Width/step of each bin (Fixed width mode). |
Ejemplos de Uso
Ejemplo 1: Caracterización del ruido en acelerómetro de unidad inercial (IMU)
Validación del ruido de medida en un sensor acelerométrico en condiciones de reposo. Conectando la señal a un bloque Histogram con rangeMode = "auto", binMode = "count" y bins = 30. Tras una simulación de 10 segundos, la campana de Gauss resultante permite verificar la normalidad estadística, cuantificar la desviación estándar y detectar sesgos de cero.
Ejemplo 2: Análisis de rendimiento por tolerancias en simulación de Monte Carlo
Evaluación de la dispersión del tiempo de respuesta ante variaciones estadísticas de componentes. Inyectando tolerancias aleatorias mediante un bloque RandomNumber, las métricas de respuesta se dirigen a un Histogram con rangeMode = "manual", minValue = 0.0, maxValue = 2.0 s y binWidth = 0.1 s. El histograma confirma de inmediato si el de las piezas cumple las especificaciones de diseño.
Observaciones y Buenas Prácticas
- Instrumento acumulativo: A diferencia de los osciloscopios convencionales, el histograma acumula todas las muestras desde el instante inicial de la simulación. Al prolongar el tiempo de cálculo, el histograma converge hacia la verdadera función de densidad de probabilidad.
- Tratamiento de valores extremos: En modo manual, los valores que exceden se suman a los intervalos de los extremos izquierdo y derecho en lugar de descartarse.
- Particionamiento óptimo de Freedman-Diaconis: La selección
autoequilibra la resolución sin suavizar en exceso distribuciones densas ni amplificar ruido en muestras escasas. - Cálculo de alta velocidad: Implementado eficientemente mediante indexación entera directa () en WebAssembly sin sobrecarga sobre el resolvedor.
Bloques Relacionados
- ScatterPlot: Analiza la distribución estadística conjunta entre dos señales independientes.
- RandomNumber: Genera números pseudoaleatorios con distribución uniforme o gaussiana.
- uPlotDisplay: Muestra formas de onda continuas en función del tiempo.
- NumericDisplay: Indicador digital numérico LCD en tiempo real.